1. Introduccin a la Minera de Datos (DM) 1.1. Motivacin 1.2. Problemas tipo y aplicaciones 1.3. Relacin de DM con otras disciplinas 2. El proceso de KDD 2.1. Las Fases del KDD 2.2. Tipologa de Tcnicas de Minera de Datos 2.3. Sistemas Comerciales y Herramientas de Minera de Datos 2.4. Preparacin y Visualizacin de Datos 3. Tcnicas de Minera de Datos 3.1. El Problema de la Extraccin Automtica de Conocimiento. 3.2. Evaluacin de Hiptesis 3.3. Tcnicas no supervisadas y descriptivas. 3.4. Tcnicas supervisadas y predictivas. 4. Web Mining 4.1. Los Problemas de la Informacin No Estructurada. 4.2. Extraccin de Con. a partir de Documentos HTML y texto. 4.3. Extraccin de Informacin semi-estructurada (XML). 5. Otros Aspectos
Objetivos Tema 5
Metodologa CRISP-DM
CRISP-DM (www.crisp-dm.org) (CRoss-Industry Standard Process for Data Mining)
es un consorcio de empresas (inicialmente bajo una subvencin inicial de la Comisin Europea), incluyendo SPSS, NCR y DaimlerChrysler.
Comprensin del negocio Comprensin de los datos
Conocer la metodologa CRISP-DM Conocer las tendencias del rea de minera de datos, en particular los lenguajes de consulta inductivos. Tener nocin de cuestiones legales que pueden afectar al proceso de minera de datos. Presentar referencias de recursos en DM.
Despliegue
Modelado Evaluacin
Metodologa CRISP-DM
Comprensin del negocio: entender los objetivos y requerimientos del proyecto desde una perspectiva de negocio. Subfases: